多模态

谷歌押注双子座可以通过新的Playground功能将休闲玩家转变为游戏开发者

谷歌推出了Playground，这是一个基于浏览器的平台，用户可以通过文本提示和编码技能来创建自己的游戏。该平台在Gemini、Nano Banana和Lyria上运行。除了Playground之外，谷歌和Unity还推出了Unity Spark，这是一款更专业的人工智能工具，测试版计划于2026年推出。谷歌押注双子座可以通过新的Playground功能将休

谷歌推出改进的SynthID AI内容检测器，现已在全球范围内推出

新的SynthID网站现在可以识别来自Google，OpenAI等的AI内容。

谷歌的新SynthID网站可以识别人工智能生成的媒体

谷歌周二推出了一个新网站，任何人都可以验证媒体（无论是图像、视频还是音频片段）是否是使用人工智能生成的。

谷歌的Xreal Aura售价1，279美元，将与Meta的VR Glasses正面交锋

两周前，旧金山湾区的记者尝试了两款重量仅为100克左右的热门新型可穿戴设备：刚刚推出的Meta VR Glasses，以及期待已久的与Xreal合作打造的透明Google XR眼镜。结果他们要正面交锋了Xreal刚刚开放了Aura预购，起价为1,279美元，[...]

Meshy 跻身 a16z 消费级 AI 应用月收入 Top 50，为榜单唯一 AI 3D 公司

在 a16z 首份消费级 AI 应用月收入榜单中，Meshy 位列第 31 名，与 OpenAI、Anthropic、Canva、Superhuman、Higgsfield 等共同上榜

Meshy 跻身 a16z 消费级 AI 应用月收入 Top 50，为榜单唯一 AI 3D 公司

在 a16z 首份消费级 AI 应用月收入榜单中， Meshy 位列第 31 名，与 OpenAI 、 Anthropic 、 Canva 、 Superhuman 、 Higgsfield 等共同上榜 加州硅谷， 2026 年 10 月 5 日 —— 全球领先的 AI 3D 多模态模型公司 Meshy 今日宣布，公司入选由硅谷风险投资机构 Andreess

法国Mistral AI推出人工智能新模型 称性能超越部分中国对手 - RFI

EmbeddingGemma 2：一个开放、轻量级的多模式嵌入模型

谷歌声称EmbeddingGemma 2的性能优于竞争对手嵌入模型的两倍

谷歌发布了EmbeddingGemma 2，这是一个开放模型，具有7.4亿个参数，可将文本、图像、视频、音频和代码转换为载体。据谷歌称，它在设备上运行，仅需要约191 MB的RAM，并且性能优于一些两倍大小的竞争型号。与Gemma 4等小型开放模型搭配使用，它可以运行离线RAG应用程序，而无需将数据发送到外部服务器。这篇文章谷歌声称EmbeddingGemm

谷歌的新图像模型Nano Banana 2.1以更少的钱生成更好的图像

谷歌的新Nano Banana 2.1图像模型使用Gemini 3.6 Flash，并在某些基准测试中以更低的成本击败了之前的Pro模型。但它的前身在测试中也表现出色，而Pro在实践中往往会产生更好的图像。谷歌的新图像模型Nano Banana 2.1以更少的钱生成更好的图像这篇文章首先出现在The Decoder上。

Google DeepMind发布EmbeddingGemma 2，这是一款基于Gemma 4构建的740 M开放式多模式嵌入模型

Google DeepMind的EmbeddingGemma 2将5种输入类型映射到一个768 d空间中，并于今天在Apache 2.0下发布。Google DeepMind发布EmbeddingGemma 2，一款基于Gemma 4构建的740 M开放式多模式嵌入模型，该帖子首先出现在MarkTechPost上。

西北风大4号

我对Mistral Large 4的评论-黑客新闻。wren 6991：基准已饱和。前沿模型用穿着渔网紧身裤的犰狳在火星上乱穿马路进行测试。好吧，我无法抗拒这个：llm -m claude-opus-5.5 '在火星上乱穿马路的渔网紧身裤中生成犰狳的VG ' llm-m gpt-6.1-sol '在火星上乱穿马路的渔网紧身裤中生成犰狳的VG ' llm -m

4D-HOF：用于前向4D交互重建的手-物体流匹配

作者：Shiqi Li、Sean Cho、Yijie Li|现有的4D手对象重建方法通常依赖于昂贵的每序列优化，而生成式方法通常从随机噪音中合成相互作用，这可能会导致不稳定的相互作用预测。我们引入了4D-HOF，这是一个前向框架，可以根据视觉基础模型产生的粗略但信息丰富的估计重建4D手与物体的交互。C

DepthWorld：机器人操纵的3D世界模型

作者：Jai Bardhan、Josef Sivic、Vladimir Petrik|世界模型为传统机器人模拟器提供了数据驱动的替代方案，其应用程序涵盖政策评估、改进和规划。所有这些用途都依赖于忠实的3D几何形状，但当前基于视频的世界模型仅在Ruby上训练，并产生逐帧看起来正确但无法组成一致的3D世界的展开。缩小这一差距需要专业人士

Mistral AI发布Mistral Large 4（Le Chonk）：1.05T参数多模态MoE模型

Mistral AI已发布Mistral Large 4（昵称Le Chonk）作为公开预览版。它是一个1.05万亿参数的专家混合模型，具有490亿个活动参数、原生图像输入和100万个令牌上下文窗口，在Mistral自己的欧洲数据中心的3，800个NVIDIA Grace Blackwell图形处理器上训练。API现已上线;开放重量将于2026年10月底发货

EmbeddingGemma 2：一个开放、轻量级的多模式嵌入模型

HN ð365· 36 评论

斯克林肖点唱机

工具：Scrimshaw Jumper我想看看Claude Opus 5.5是否能作曲，所以我尝试了这个：我希望你为我写一些电脑游戏音乐。首先为音乐设计简单的基于文本的格式，并构建一个可以大声播放的文物-在该文物中包括一些示例曲目我正在寻找具有《猴子岛》原始秘密质量的音乐它更倾向于猴子岛屿主题比我预想的要好，但结果却出奇地好。我想知道创作合格音乐的能力是否与

Mistral全新1 T车型旨在超越封闭和开放竞争对手

法国人工智能实验室Mistral AI发布了Mistral Large 4，这是一款新型大型多模式模型，旨在超越美国和中国竞争对手。

Mistral Large 4是欧洲对拒绝安全工作的美国型号的数万亿参数答案

Mistral的Large 4是该公司迄今为止最大的型号，在其自己的欧洲基础设施上训练了1万亿个参数。在独立的情报指数中，该模型取得了巨大飞跃，但仍与Claude、GPT-6和中国竞争对手相去甚远。Mistral的主要内容是关闭的美国模特拒绝从事的网络安全工作。文章Mistral Large 4是欧洲对拒绝安全工作的美国型号的数万亿参数答案，首先出现在The

Pinterest的人工智能现在将美容别针变成行动计划

Pinterest新推出的人工智能美容指南将头发和指甲别针翻译成沙龙术语，并附有估计成本、预约时间和维护需求。

Mistral AI发布Mistral Large 4模型公开预览版，月底开放权重 - 凤凰网科技

法国AI初创企业Mistral发布欧洲最强开源大模型- AI 人工智能 - cnBeta.COM

Mistral Large 4：“Le Chonk”

HN ð263· 30 评论

西北风大4号

HN ð545· 301 评论

西北风大4号

HN ð63· 4 评论

研究人员将LeCun的JEPA人工智能扩展为从物理学到生物学的通用世界模型

PhAI Labs的研究人员已将Yann LeCun的JEPA架构扩展到从机器人到生物医学等七个领域。这项努力还产生了一种肝癌候选治疗方法，该方法在实验室测试中显示出了希望，尽管该研究并未确定它是否可以成为一种实际的治疗方法。研究人员将LeCun的JEPA人工智能扩展为一个从物理学到生物学的通用世界模型，该模型首先发表在The Decoder上。

Reka发布Rho-1：一个19 B全方位推理模型，可理解、生成视频并输出机器人动作

Reka发布了Rho-1，这是一个从头开始训练的19 B全推理模型。一个网络通过共享的KV缓存读取并生成文本、图像、视频和机器人动作。经过提炼的变体在大约一秒内返回5.3秒的剪辑。这是一个尚未公开权重的研究预览。Reka发布Rho-1：一个能够理解、生成视频和输出机器人动作的19 B全方位推理模型的帖子首先出现在MarkTechPost上。

猎鹰-阿联酋：当法学硕士学习方言、文化和细微差别时

超越特定领域的世界模型：JEPA-Anything使用1种食谱用于7个领域

JEPA-Anything将JEPA的单个潜在目标拆分为4个正交因子，每个因子都有自己的预测因子。经过7个领域的测试，它在所有10个动态任务上都击败了匹配的JEPA基线，并将干预性乒乓干预错误减少了34.8%。超越特定领域的世界模型：JEPA-任何东西都使用7个领域的1个配方。

Reka AI的全功能型号Rho-1在单一型号中处理文本、图像、视频和机器人控制

Reka AI的Rho-1是一个拥有190亿参数的全方位模型，可在单个神经网络中处理和生成文本、图像、视频和机器人控制动作。它在大约三个月内在320个H100图形处理器上进行了训练，使用的计算量仅为当今顶级型号所需的一小部分。Rho-1没有将任务路由到专门的系统，而是在一个共享上下文窗口中将所有模式作为令牌运行。Reka AI的全功能模型Rho-1在单一模型

一个图，每张画布：通过Atlantic Pipeline重新发布的可编辑流程图

作者：曾世贞，陈智轩，杨润|ML论文中的管道人物必须在许多画布上重新利用，包括纸栏、16：9幻灯片、肖像海报、1：1社交预告片、9：16电话预览。每种格式在同一计算图上施加了不同的长宽比，任何悄然中断的连接都会歪曲该方法。我们制定的宽高比自适应流程图relayout作为一个独特的任务：给定一个光栅fl

学习阅读扩散变形金刚中的上下文令牌

作者：Omer Dahary、Etai Sella、Hadar Averbuch-Elor|多模式扩散变形器（MM-DiTS）在整个一代中联合处理视觉和文本表示。这些模型通过多模式注意力重复更新文本标记，形成其功能尚未得到很好理解的动态上下文标记。在这项工作中，我们引入了一个通过自然语言审讯来阅读这个上下文空间的框架。我们训练一个轻威

MemPilot：为LLM代理演示按需多模式记忆修复

作者：张浩珍、岳浩东、龙权宇|内存已成为LLM代理生态系统的组成部分，支持跨交互的信息保留和重复使用。然而，大多数现有的代理内存系统构造内存在查询不可知的方式，这可能会导致不必要的预处理成本和丢弃的细节，后来证明是必不可少的。最近的研究已经开始将记忆处理转向运行时适应，但通常是spe